Pourquoi les meilleurs cas d’usage IA émergent désormais des métiers
📩 Pour nous contacter: redaction@fw.media
Lorsque les entreprises évoquent l’intelligence artificielle, les discussions portent souvent sur les modèles, les plateformes ou les investissements technologiques. Pourtant, les usages qui transforment réellement le quotidien des collaborateurs sont parfois beaucoup plus modestes.
Chez Deel, les premières automatisations massivement adoptées n’ont pas concerné de grands projets informatiques ni de vastes programmes de transformation. Elles ont porté sur la préparation des rendez-vous clients, la rédaction des comptes-rendus après chaque appel, le tri des alertes internes ou encore la documentation des incidents.
« Pris individuellement, ce sont des détails. Mis bout à bout, c’est 60 à 70 % du temps de l’équipe. On ne les découvre qu’en observant le travail réel sur le terrain, jamais depuis un comité de pilotage », explique Anne-Lise Bouaziz-Klotz, Director of Customer Operations chez Deel.
Cette observation éclaire l’un des phénomènes les plus intéressants de l’adoption actuelle de l’intelligence artificielle. Les usages les plus transformateurs ne naissent plus nécessairement dans les directions informatiques. Ils émergent au plus près des opérations, là où les collaborateurs accumulent chaque jour des centaines de micro-frictions invisibles pour le reste de l’organisation.
Jusqu’à l’IA, l’innovation technologique a suivi un parcours relativement stable. Les directions métiers formulaient leurs besoins, les directions informatiques sélectionnaient les technologies, pilotaient les projets puis organisaient les déploiements. L’innovation était rare, coûteuse et largement centralisée.
L’intelligence artificielle générative est en train de modifier cet équilibre.
La fin d’une rareté technologique
Pendant longtemps, la capacité à développer représentait le principal facteur limitant. Les entreprises pouvaient identifier de nombreuses opportunités d’automatisation sans disposer des ressources nécessaires pour les concrétiser. Chaque projet nécessitait des arbitrages, des budgets et des équipes spécialisées.
L’IA générative modifie profondément cette équation. Pour la première fois, des collaborateurs non techniques peuvent construire eux-mêmes des outils capables de répondre à leurs besoins quotidiens. La difficulté ne réside plus principalement dans la construction de la solution. Elle réside dans l’identification du problème qui mérite d’être résolu.
Or cette connaissance se trouve rarement dans les équipes techniques, elle appartient aux collaborateurs confrontés quotidiennement aux irritants opérationnels.
Chez Nabla, cette dynamique est apparue très tôt. Les premiers usages n’ont pas émergé d’une feuille de route technologique élaborée par un département informatique. Ils sont apparus au sein des équipes go-to-market confrontées à une contrainte extrêmement concrète : la prise de notes lors des rendez-vous clients.
« Le premier cas d’usage concret a émergé des équipes go-to-market : la prise de notes pendant les calls clients. Le problème était simple : prendre des notes détournait l’attention, dégradait la qualité d’écoute auprès de nos clients et nécessitait de consacrer un temps important à la rédaction », explique Delphine Groll, Co Fondatrice et Chief Operating Officer de Nabla.
L’usage paraît presque banal, et c’est précisément ce qui le rend intéressant. La valeur ne provient pas d’une prouesse technologique mais de la résolution d’un problème quotidien identifié par ceux qui y sont confrontés.
Une fois cette première démonstration réalisée, le mouvement s’est accéléré. « Ce cas d’usage a servi de démonstration interne. Une fois que les équipes ont vu ce que l’IA pouvait résoudre concrètement, le champ des possibles s’est ouvert naturellement », poursuit Delphine Groll.
Le savoir métier devient un avantage technologique
L’un des paradoxes de l’intelligence artificielle est qu’elle augmente la valeur du savoir métier au moment même où elle démocratise l’accès à la technologie.
Pendant plusieurs décennies, la compétence rare était la maîtrise des outils techniques. Aujourd’hui, cette rareté se déplace progressivement vers la compréhension fine des processus. Les modèles génératifs savent déjà rédiger, synthétiser, rechercher ou analyser. En revanche, ils ne savent pas identifier seuls les irritants d’une organisation ni comprendre quelles tâches consomment inutilement du temps.
Cette connaissance reste profondément ancrée dans les métiers. C’est précisément ce qu’observe Anne-Lise Bouaziz-Klotz chez Deel. Selon elle, les initiatives les plus utiles ne correspondent pas aux grands projets traditionnellement pilotés par les fonctions technologiques.
« Une DSI priorise de grands projets de plateforme. Nous, nous avons automatisé les petites frictions invisibles du quotidien : le compte-rendu après chaque appel client, le tri des alertes internes, la documentation des bugs ou l’identification de l’équipe à laquelle orienter un problème. »
L’intelligence artificielle apparaît ainsi comme une technologie particulièrement adaptée à l’optimisation du travail réel, celui qui se déroule entre les processus formels et qui reste souvent invisible dans les organigrammes comme dans les feuilles de route informatiques.
Les fonctions support deviennent les premiers laboratoires de l’IA
Cette évolution explique pourquoi certaines des expérimentations les plus avancées apparaissent aujourd’hui dans des départements rarement associés à l’innovation technologique.
Les ressources humaines, le support client, les opérations ou le marketing figurent parmi les premiers bénéficiaires de cette nouvelle génération d’outils. Ces fonctions reposent largement sur l’analyse, la synthèse, la recherche d’information et la coordination. Autant de tâches pour lesquelles les modèles génératifs apportent une valeur immédiate.
Chez Deel, les premiers usages massivement adoptés ont concerné la surveillance automatique des paies ou des onboardings à risque, la préparation des rendez-vous clients, la rédaction d’emails ou encore la génération de briefings quotidiens destinés aux managers.
« L’adoption a été immédiate parce que l’IA remplaçait des heures de travail manuel », résume Anne-Lise Bouaziz-Klotz.
Chez Nabla, la dynamique s’est également diffusée à l’ensemble de l’organisation. Les équipes ont progressivement adopté des outils de prise de notes automatisée, des assistants conversationnels comme ChatGPT ou Claude, ainsi que différentes solutions d’intelligence conversationnelle pour les équipes commerciales. Les fonctionnalités d’IA intégrées à Slack ou Notion ont été connectées à l’environnement de travail existant afin de fluidifier l’accès à l’information et certaines tâches quotidiennes.
L’innovation ne descend plus uniquement depuis les équipes techniques vers les métiers, mais remonte désormais du terrain vers l’organisation.
Une nouvelle génération de bâtisseurs
Cette évolution transforme progressivement la nature même des métiers, ainsi dans les équipes Customer Success de Deel, le rôle a commencé à évoluer à mesure que les automatisations se multipliaient.
« Avant, le Customer Success Manager passait son temps à exécuter : transmettre des demandes, relancer, rédiger des comptes-rendus. Aujourd’hui, l’IA prépare le travail, un brouillon d’email, un rapport, une alerte enrichie, et l’humain valide et décide. »
Le changement est significatif, et la valeur se concentre moins sur l’exécution et davantage sur le jugement, la relation client et la prise de décision.
Plus intéressant encore, les équipes deviennent progressivement responsables de leurs propres automatisations.
« Je les construis, puis je les forme à les faire vivre », explique Anne-Lise Bouaziz-Klotz.
Chez Nabla, cette évolution a même conduit à l’apparition de nouvelles fonctions.
« Nous avons créé de nouveaux rôles comme ceux de prompt engineer ou d’AI Lead », explique Delphine Groll. Les premiers conçoivent et évaluent les prompts utilisés dans les produits de l’entreprise. Les seconds travaillent directement avec les équipes métiers afin de construire des agents répondant à leurs besoins opérationnels.
L’intelligence artificielle ne se contente donc plus d’augmenter les métiers existants. Elle contribue déjà à faire émerger de nouvelles spécialités au sein des organisations.
La DSI change de rôle
Cette dynamique ne signifie pas pour autant un recul des directions informatiques. Au contraire, leur importance pourrait même augmenter. Simplement, leur rôle évolue. Jusqu’à présent, elles étaient responsables de la construction des systèmes, demain, elles seront davantage responsables de leur orchestration.
Sécurité, gouvernance des données, conformité réglementaire, architecture ou politiques d’accès deviennent des enjeux encore plus critiques à mesure que les métiers gagnent en autonomie.
Plus les collaborateurs créent d’agents et de workflows, plus la nécessité d’un cadre commun devient évidente. Les directions informatiques cessent progressivement d’être les seules productrices d’innovation pour devenir les garantes de sa cohérence.
Cette évolution est particulièrement visible dans les secteurs fortement réglementés. « Nous opérons dans la santé, un secteur hautement sensible et régulé. Cela implique des cycles de validation par les équipes de sécurité, pouvant parfois allonger les délais de déploiement. Ce n’est pas un frein en soi, c’est une contrainte structurelle qu’il faut intégrer », souligne Delphine Groll.
Une nouvelle géographie de l’innovation
Les témoignages recueillis auprès de Nabla et Deel convergent vers une même observation. Les usages les plus pertinents ne sont pas nécessairement ceux imaginés lors des grands exercices de planification stratégique.
Ils apparaissent souvent à partir de frustrations quotidiennes, d’irritants opérationnels ou de tâches répétitives identifiés par les équipes elles-mêmes.
« Les meilleures idées ne viennent pas d’une seule équipe ou du leadership. Elles viennent de ceux qui testent, se forment et se posent les bonnes questions », observe Delphine Groll.
Anne-Lise Bouaziz-Klotz formule une idée proche lorsqu’elle explique que les meilleures automatisations naissent directement des difficultés rencontrées sur le terrain.
« Le management donne la vision et débloque les moyens. Le métier identifie le problème et construit la solution. »
Cette convergence est probablement le signal le plus important. Pendant plusieurs décennies, les entreprises ont considéré la technologie comme une capacité centralisée. L’intelligence artificielle semble introduire un modèle différent, dans lequel l’innovation émerge d’abord des métiers avant d’être structurée à l’échelle de l’organisation.
La question n’est donc plus seulement de savoir quelles technologies adopter. Elle devient : comment permettre aux collaborateurs qui connaissent le mieux les problèmes de construire eux-mêmes une partie des solutions ?
Pendant des décennies, l’innovation numérique a circulé du centre vers la périphérie de l’entreprise. L’intelligence artificielle semble suivre le chemin inverse.
Elle naît désormais sur le terrain, là où se trouvent les problèmes quotidiens de l’entreprise, avant d’être progressivement industrialisée à l’échelle de l’organisation.
- Pourquoi les meilleurs cas d’usage IA émergent désormais des métiers - 23/06/2026
- Récolter aujourd’hui, déchiffrer demain : pourquoi Washington accélère sa transition post-quantique - 23/06/2026
- PEARLTREES, l’un des derniers survivants français du Web 2.0, prépare son changement d’échelle - 22/06/2026
